PandasAI 完整指南一行命令安装用自然语言对话式分析数据库与数据湖【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-aiPandasAI 是一个 Python 库把数据分析变成对话把 CSV、数据库SQL或数据湖parquet文件指给它你用自然语言提问它就返回统计数字、数据表或图表。背后由大模型与 RAG 理解意图并生成可执行代码你不必手写查询语句几分钟内就能拿到第一份结果。三类典型使用场景业务分析不写 SQL 也能出报表运营、财务的同学需要周报、销售汇总时直接把问题打在对话里例如哪个大区上月营收最高PandasAI 会自动完成取数与计算省去和分析师排期的等待。数据工程快速探索湖上数据你已经在用 SQL 数据库或 parquet 数据湖想快速看某张表的分布、字段含义或做临时统计时可以直接对表提问。底层基于 DuckDB 做内存查询无需先把数据搬进 pandas。应用开发把问数据嵌进自己的产品如果你在开发内部工具或对外应用可以把 PandasAI 作为数据问答组件接入让终端用户用对话代替查询界面。生产环境建议配合后文的沙盒机制使用。从安装到第一次出结果的操作时间线环境要求是 Python 3.8 至 3.11。核心只有两条安装命令外加一个 LiteLLM 扩展用于接入大模型pip install pandasai pip install pandasai-litellm接着是加载数据并提问的最小代码import pandasai as pai from pandasai_litellm.litellm import LiteLLM llm LiteLLM(modelgpt-4.1-mini, api_keyYOUR_OPENAI_API_KEY) pai.config.set({llm: llm}) df pai.read_csv(data/companies.csv) print(df.chat(每个地区的平均营收是多少))执行后答案会以四种形式之一返回字符串、数字、DataFrame 或图表详见输出格式文档。下面的演示动图展示了完整的提问—生成—出图过程如何向数据提问四类问法与示例问句提问时按意图组织句子即可引擎会把话术转成代码再执行。也支持同时传入多张表例如员工表加薪资表提出跨表问题。排名与聚合列出销售额排名前 5 的产品及其占比按部门统计平均薪资从高到低排列趋势、对比与异常按月统计各区域营收并标出增长最快的一期对比华东与华北两个大区的客单价差异哪些月份的退款量明显高于整体均值可视化输出在问题里直接说明图表类型即可例如用直方图展示各国家的 GDP每根柱子用不同颜色返回结果可用result.show()渲染。需要图表模板细节时参考提示词模板源码。️ 权限配置、Docker 沙盒与企业安全LLM 生成的代码最终要在你的环境里运行这一点决定了面向生产时必须做隔离。用 Docker 沙盒隔离执行安装扩展包后pip install pandasai-docker把DockerSandbox()实例传给pai.chat的sandbox参数即可启用。沙盒提供容器级隔离、完全离线运行、系统资源限制和文件系统保护。官方建议在以下场景启用对外应用、处理不可信输入、生产部署、敏感数据、多租户环境。完整用法见沙盒文档。企业版权限与连接器ee/目录下的能力需要企业授权包括 Snowflake、Databricks、BigQuery、Oracle 等数据源连接器以及 Skills 技能与向量库训练功能用于做更细粒度的数据可见性控制。清单与说明见企业功能文档⚡ 查询性能与内存实用技巧先筛选再加载只取需要的列与行区间避免整表读入内存大表优先走 SQL 连接路径让 DuckDB 内存引擎代劳减少 pandas 开销复用同一个 DataFrame 对象并缓存中间结果别反复读同一份文件分析完成后释放中间表的引用及时清理临时数据集多任务分批串行执行避免多个大文件同时并行加载进阶源码结构与延伸阅读核心模块从哪看起pandasai/smart_datalake/数据湖问答入口pandasai/data_loader/本地文件与 SQL 连接加载pandasai/query_builders/查询构建、分页与 SQL 解析docs/v3/安装、输出格式、安全等完整文档获取完整源码与后续方向git clone https://gitcode.com/GitHub_Trending/pa/pandas-ai从当前版本3.0的模块划分看项目正在扩展更多数据源格式的兼容并计划增强实时流数据的处理能力跟进 docs/v3/semantic-layer/ 即可了解语义层的演进。到这里你已经掌握了从安装、提问到安全部署的完整路径。PandasAI 的价值在于把写查询这一步从你的工作流里拿掉一行命令装好用说话的方式拿到统计结果和图表数据探索的门槛就此降到了最低。【免费下载链接】pandas-aiChat with your database or your datalake (SQL, CSV, parquet). PandasAI makes data analysis conversational using LLMs and RAG.项目地址: https://gitcode.com/GitHub_Trending/pa/pandas-ai创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考